导读:本文包含了统计诊断论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,数据,距离,广义,缺失,多项式,经验。
统计诊断论文文献综述
邢伊琦,吴刘仓,聂兴锋[1]（2019）在《基于Pena距离的双重广义线性模型的统计诊断》一文中研究指出本文主要研究双重广义线性模型,考虑基于数据删除模型的参数估计和统计诊断,比较删除模型与未删除模型相应的诊断统计量之间的变化.首次提出基于双重广义线性模型下的Pena距离.通过一些模拟研究以及实例分析,比较不同诊断统计量判别异常点或强影响点的差异,研究结果表明本文提出的理论和方法是行之有效的.(本文来源于《应用数学》期刊2019年04期）
孙帆[2]（2019）在《对数广义逆威布尔分布回归模型的统计诊断》一文中研究指出广义逆威布尔分布(GIW)是在逆威布尔分布基础上扩展得到的一种叁参数寿命分布,由于它在描述产品寿命时的适用性和灵活性,广义逆威布尔分布被广泛应用于生物、医药和工程等领域.众所周知,例如寿命常受到众多因素影响,为了建立寿命数据与这些协变量之间的相关关系,构建回归模型建立统计关系并通过回归分析方法检测分析.由于寿命数据与协变量之间往往呈现对数线性关系,本文第二章在广义逆威布尔分布基础上将其对数化并建立了对数广义逆威布尔分布(LGIW)回归模型,并对该模型进行参数估计.传统的基于牛顿-高斯迭代的极大似然估计因过度依赖初始值(初始值的选择影响收敛程度甚至收敛性),故对牛顿-高斯迭代进行修正,得到迭代稳定性更佳的极大似然估计,并通过数值模拟探究了参数估计的模拟效果.模拟表明,迭代修正的极大似然估计效果是显着的,且随着样本容量的增大,迭代次数随之越少,参数估计值更加接近真实值.数据删除模型作为统计诊断方法中使用最广同时也最为重要的模型之一,已被广泛的应用到各类回归模型的统计诊断中.本文第叁章基于LGIW回归模型建立该模型的数据删除模型,并得到该数据删除模型的参数估计及其一步近似,此外基于数据删除模型得到相应的诊断统计量及其一步近似(Cook距离、似然距离和WK统计量),最后数值模拟和实例分析通过这些诊断统计量直观的检测出强影响点或异常点,并且能够准确的检测出人为异常点,证明了该模型及其诊断统计量的有效性.本文第四章研究了LGIW回归模型的回归系数的假设检验,分别对回归模型的回归系数采用存在性检验和基于参数化的齐性检验的方法,得到了相应的Score检验统计量,其次通过数值模拟和实例分析说明了本章方法和Score检验统计量的有效性.(本文来源于《安庆师范大学》期刊2019-06-01）
聂兴锋,吴刘仓,邢伊琦[3]（2019）在《基于Pena距离的偏正态数据下位置回归模型的统计诊断》一文中研究指出Pena距离是研究偏态数据的一种有用工具.本文利用Pena距离研究了偏正态数据下位置回归模型的统计诊断问题,得到了位置回归模型下Pena距离的表达式,对其性质进行讨论,从而得到高杠杆异常点的判别方法. Pena距离与Cook距离、似然距离进行比较,得到在一定的条件下Pena距离优于Cook、似然距离.通过随机模拟试验研究和实例分析,表明本文提出的理论和方法是科学合理的.(本文来源于《应用数学》期刊2019年02期）
宋蕾,冯予[4]（2019）在《拟似然非线性模型的统计诊断》一文中研究指出研究了经验似然估计下的拟似然非线性模型的统计诊断问题。首先给出了模型经验似然比函数,进而求出模型的经验似然估计;再基于数据删除模型推导出参数的一阶近似公式,并提出了经验Cook距离;最后通过对实例的分析,验证了该统计方法的有效性和合理性。(本文来源于《湖南工业大学学报》期刊2019年01期）
李子阳,郭丽,马福恒,胡江[5]（2018）在《基于统计诊断的大坝监测数据合理性检验》一文中研究指出基于统计诊断的异常数据划分,并结合大坝监测数据的误差成因,将监测的异常数据划分为随机误差、粗差、系统误差等,并辨识强影响数据。继而基于均值漂移模型,研究不同异常数据的诊断方法,包括以模型扰动值为依据的粗差的t检验法和以模型扰动对拟合参数的影响为依据的强影响数据的Cook距离检验法。以大坝典型位移监测数据为例,采用上述统计诊断方法对原始监测数据进行合理性检验,结果表明可有效辨识误差数据和强影响数据,能提高数据进一步建模分析的准确性。(本文来源于《水利水电科技进展》期刊2018年05期）
戴明晶,赵斯文,苏洋,潘娜[6]（2018）在《吴忠市近48年气温序列统计诊断与分析》一文中研究指出依据吴忠国家气象观测站1970—2017年逐年逐月逐日气温资料,运用线性回归、曼-肯德尔检验分析方法(MK检验)研究吴忠市气温的变化趋势。结果表明:近48年吴忠市平均气温在20世纪90年代初期的增暖是一突变现象,具体从1991年开始;高温日数存在两个突变点,分别在2005年和2009年,此后高温日数明显增多;吴忠市春季和冬季气温未发生突变,1997年是夏季气温升高的突变点,而秋季气温升高的突变点发生在1995年;冬季平均气温明显升高的时间较春、夏、秋季都早,其次是春、秋季,最后是夏季。冬季气温增暖主要是由最低气温升高所致,对农业的影响有利有弊,有利于增加越冬作物种植面积,有利于冬小麦、葡萄等的安全越冬,但也可能使农作物的抗寒冷能力减弱,受病虫害几率增大,因此应该因地制宜开展种植,提高气象灾害监测预警能力,提前防范应对不利于农业生产的气象灾害的发生。(本文来源于《宁夏农林科技》期刊2018年08期）
左珊珊[7]（2018）在《Meta-回归模型的统计诊断方法研究》一文中研究指出Meta-分析提供了一种将来自于同样处理下的不同研究或问题的结果进行合并与评估的定量分析方法,并允许研究者将个体间的差异(异质性)考虑进来。Meta-分析已被广泛应用于如临床试验、生物学、生态学、管理学等各类不同的科学研究领域。目前已有大量关于Meta-分析的文献,比如Sutton和Higgins(2008)书中对其近期发展的回顾及当中提到的文献。在众多的方法中,随机效应(或混合效应)的Meta-回归模型已成为一种常规使用的工具,它将一系列独立的研究结果进行合并,并通过个体间方差(或异质性参数)评估效应量的异质性,而个体间方差的估计对于给出整体效应量的估计及寻找感兴趣参数的置信区间是必不可少的。和许多统计模型一样,Meta-回归模型对于数据集中出现的异常值和影响观测(或研究)同样敏感,即使个体研究已假设了随机效应。因此,发展识别这些特殊数据点的方法论非常重要。对于Meta-回归模型中异常值的识别问题,已有几位学者探讨过。而在影响点的识别方面,文献极少。Viechtbauer和Cheung(2010)通过将线性回归分析中标准的诊断程序推广到Meta-分析模型,研究了异常值和影响点对于Meta-分析的潜在影响。然而他们没有给出诊断的更新公式,其方法非常耗时且有很多局限性。本文研究了随机效应的Meta-回归模型在数据删除和局部影响分析框架下影响点的诊断理论。首先,我们导出了回归系数和异质性参数估计的子集删除公式,并研究了基于广义Cochran异质性统计量和极大似然估计(ML)和限制极大似然估计(REML))的影响度量。同时研究和讨论了外尺度和内尺度下诊断统计量如残差,杠杆值和Cook距离。基于广义Cochran异质性统计量的估计方法下的结论是精确的,而ML和REML的相应结论则采用了一步近似。两个实例被用来说明上述方法,其结果显示一步近似在实际应用中表现很好。我们还采用模拟的方式比较了基于不同估计的影响点识别方法在正判率和稳健性方面的表现。其次,本文探讨了在个体加权扰动、响应变量扰动、自变量扰动和个体内方差扰动等不同机制下的Meta-回归模型的局部影响分析理论,并引入将响应变量扰动、自变量扰动和个体内方差扰动联合进行的一种方法,以利于比较不同扰动机制下局部影响度量的大小。然后通过两个实例分析验证了上述方法的有效性。(本文来源于《云南财经大学》期刊2018-06-05）
李纲[8]（2018）在《带有缺失数据的众数非线性模型的统计诊断》一文中研究指出在解决工程问题与自然问题的过程中,经常需要利用均值非线性回归模型,即模型中因变量与协变量之间建立一个非线性函数关系。虽然均值非线性回归模型有广泛的应用。但是,在处理条件误差分布是非对称或重尾分布的数据时效果不理想。近年来,众数线性回归理论的出现为这类问题的研究提供了有力的工具。一方面,在条件误差分布是非对称或出现重尾的情况时,它有很好的稳健性,也能提供较短的预测区间。另一方面,众数是很重要的数据汇总。此外,对于任何形式的众数回归模型而言,我们希望讨论相应的诊断方法,判断已知的观测数据在拟合模型中哪些是异常点或强影响点。本文在因变量缺失的前提下,研究众数多项式模型和众数非线性模型的统计诊断。对于缺失数据,采用单一插补中的均值插补、基于核密度函数的众数插补和回归插补建立完全数据集。首先,对于众数多项式模型,主要研究关于数据删除模型的统计诊断方法。而后又讨论众数多项式模型的局部影响分析,其中主要讨论扰动模型中的加权扰动模型、因变量扰动模型、协变量扰动模型。其次,针对众数非线性模型,讨论了关于数据删除模型的统计诊断方法。紧接着又给出众数非线性模型的局部影响分析,其中主要研究扰动模型的加权扰动模型、因变量扰动模型、协变量扰动模型。最后,通过模拟和实例来分析相应的统计诊断方法。(本文来源于《云南大学》期刊2018-05-01）
石章波[9]（2018）在《缺失数据下众数线性模型的统计诊断》一文中研究指出回归分析是统计中最常用的方法。特别地,均值回归、中位数回归被人们在实际生活中广泛的应用。近几十年来,由于缺失数据的兴起,不少学者对带有缺失数据的回归模型进行了全方位的探讨,并将缺失数据的讨论扩展到其他常见参数模型和非参数模型中。与此同时,各种模型的统计诊断也在蓬勃发展。但是随着人们的深入研究,发现对于某些实际数据用均值回归或分位数回归的方式进行处理,估计效果比较差,偏差比较大,尤其当误差分布是非对称的情况用这些传统的回归方法进行拟合效果非常不理想。经过学者的不断研究,人们提出了众数线性模型。众数线性模型既有着传统线性回归模型的优点,同时对误差分布是非对称的情形也起到很好的拟合效果。然而,对于缺失数据下,众数线性模型的参数估计和统计诊断的问题,至今还没有学者进行相应的研究。为此,本文考虑响应变量和协变量随机缺失下众数线性模型的参数估计和统计诊断问题。在文章中,首先利用众数插补方法,基于核的非参插补方法来处理响应变量缺失的情形;其次,利用单一插补、多重插补方法和调整MEM算法来处理协变量的缺失;同时给出了对应模型的参数估计,并探讨了基于数据删除模型和扰动模型的统计诊断。最后通过随机模拟研究和实例分析来说明文中采用的方法是有效可行的。(本文来源于《云南大学》期刊2018-05-01）
陶冶[10]（2018）在《联合均值与方差模型的统计诊断》一文中研究指出统计诊断方法出现于上个世纪70年代,是统计推断的一个重要分支。顾名思义,统计诊断就是对统计分析进行诊断,即对数据、模型及相关的统计方法进行分析,并借助诊断统计量来找出其中可能存在的问题。进而解决问题,使得统计推断能更好的反映真实情况,更准确的揭露研究对象的客观规律。目前的统计诊断方法大都是基于均值回归模型的,一般要求观测数据的方差齐性。但在实际应用中,经常会遇到一些带有异方差的数据。如果不能消除异方差的影响,仍然使用这种均值回归模型处理异方差数据,就不太合适,难以得到较好的结果,因此就有必要对方差参数进行建模。针对这种情况,本文基于正态分布,同时对均值参数和方差参数建立回归模型,详细的研究了联合均值与方差模型的统计诊断。主要研究内容如下:(1)在极大似然估计理论下,通过似然距离和Cook距离来研究了联合均值与方差模型的数据删除方法统计诊断;同时,基于似然距离的局部影响分析方法,分别通过均值漂移扰动和方差加权扰动进行了影响分析。(2)在贝叶斯理论的框架下,首次提出了联合均值与方差模型的Bayes统计诊断。通过Gibbs抽样和MH算法分别得到均值模型和方差模型的参数估计值。基于数据删除方法,研究了四种Bayes诊断统计量:K-L距离、L1距离、χ2(chi-square)距离和Cook后验均值距离。(3)常见的数据删除方法是删除某一个样本点或一些样本点,度量对既定模型参数估计的影响,而Pena距离研究删除样本中的各个点对某一既定样本点的回归值和预测值的影响,也是基于数据删除的诊断方法,是对诊断统计量的重要补充。本文将Pena距离应用到联合模型中,研究了联合模型的Pena距离的诊断效果,同时与文中前两部分的研究结果进行比较。用Monte Carlo方法对上述叁部分研究内容进行模拟分析,我们设置的几个异常点均被诊断出来。同时,用两个实例数据分析了上述诊断方法,与相关参考文献中的诊断结果进行比较。说明了本文所提出的方法是行之有效的。(本文来源于《昆明理工大学》期刊2018-04-01）
统计诊断论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
广义逆威布尔分布(GIW)是在逆威布尔分布基础上扩展得到的一种叁参数寿命分布,由于它在描述产品寿命时的适用性和灵活性,广义逆威布尔分布被广泛应用于生物、医药和工程等领域.众所周知,例如寿命常受到众多因素影响,为了建立寿命数据与这些协变量之间的相关关系,构建回归模型建立统计关系并通过回归分析方法检测分析.由于寿命数据与协变量之间往往呈现对数线性关系,本文第二章在广义逆威布尔分布基础上将其对数化并建立了对数广义逆威布尔分布(LGIW)回归模型,并对该模型进行参数估计.传统的基于牛顿-高斯迭代的极大似然估计因过度依赖初始值(初始值的选择影响收敛程度甚至收敛性),故对牛顿-高斯迭代进行修正,得到迭代稳定性更佳的极大似然估计,并通过数值模拟探究了参数估计的模拟效果.模拟表明,迭代修正的极大似然估计效果是显着的,且随着样本容量的增大,迭代次数随之越少,参数估计值更加接近真实值.数据删除模型作为统计诊断方法中使用最广同时也最为重要的模型之一,已被广泛的应用到各类回归模型的统计诊断中.本文第叁章基于LGIW回归模型建立该模型的数据删除模型,并得到该数据删除模型的参数估计及其一步近似,此外基于数据删除模型得到相应的诊断统计量及其一步近似(Cook距离、似然距离和WK统计量),最后数值模拟和实例分析通过这些诊断统计量直观的检测出强影响点或异常点,并且能够准确的检测出人为异常点,证明了该模型及其诊断统计量的有效性.本文第四章研究了LGIW回归模型的回归系数的假设检验,分别对回归模型的回归系数采用存在性检验和基于参数化的齐性检验的方法,得到了相应的Score检验统计量,其次通过数值模拟和实例分析说明了本章方法和Score检验统计量的有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
统计诊断论文参考文献
[1].邢伊琦,吴刘仓,聂兴锋.基于Pena距离的双重广义线性模型的统计诊断[J].应用数学.2019
[2].孙帆.对数广义逆威布尔分布回归模型的统计诊断[D].安庆师范大学.2019
[3].聂兴锋,吴刘仓,邢伊琦.基于Pena距离的偏正态数据下位置回归模型的统计诊断[J].应用数学.2019
[4].宋蕾,冯予.拟似然非线性模型的统计诊断[J].湖南工业大学学报.2019
[5].李子阳,郭丽,马福恒,胡江.基于统计诊断的大坝监测数据合理性检验[J].水利水电科技进展.2018
[6].戴明晶,赵斯文,苏洋,潘娜.吴忠市近48年气温序列统计诊断与分析[J].宁夏农林科技.2018
[7].左珊珊.Meta-回归模型的统计诊断方法研究[D].云南财经大学.2018
[8].李纲.带有缺失数据的众数非线性模型的统计诊断[D].云南大学.2018
[9].石章波.缺失数据下众数线性模型的统计诊断[D].云南大学.2018
[10].陶冶.联合均值与方差模型的统计诊断[D].昆明理工大学.2018
论文知识图
